Kettle使手册及测试案例.docxVIP

一、【kettle】window安装与配置 1、下载kettle包，并解压 HYPERLINK /projects/data-integration/ /projects/data-integration/ 2、安装jdk，并配置java环境 a).打开我的电脑--属性--高级--环境变量 b).新建系统变量JAVA_HOME和CLASSPATH 变量名：JAVA_HOME 变量值：C:\Program Files\Java\jdk1.7.0[具体路径以自己本机安装目录为准] 变量名：CLASSPATH 变量值：.;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar; c). 选择“系统变量”中变量名为“Path”的环境变量，双击该变量，把JDK安装路径中bin目录的绝对路径，添加到Path变量的值中，并使用半角的分号和已有的路径进行分隔。 变量名：Path 变量值：%JAVA_HOME%\bin;%JAVA_HOME%\jre\bin; 3、配置kettle环境在系统的环境变量中添加KETTLE_HOME变量，目录指向kettle的安装目录：D:\kettle\data-integration4、启动spoon Windows直接双击批处理文件 Spoon.bat具体路径为： kettle\data-integration\Spoon.bat Linux 则是执行spoon.sh,具体路径为： ?~/kettle/data-integration/spoon.sh 二、 使用Kettle同步数据 同步数据常见的应用场景包括以下4个种类型： ??只增加、无更新、无删除 ??只更新、无增加、无删除 ??增加+更新、无删除 ??增加+更新+删除 只增加、无更新、无删除 对于这种只增加数据的情况，可细分为以下2种类型： 1) 基表存在更新字段。 通过获取目标表上最大的更新时间或最大ID，在“表输入”步骤中加入条件限制只读取新增的数据。 2) 基表不存在更新字段。 通过“插入/更新”步骤进行插入。 插入/更新步骤选项： 只更新、无增加、无删除 通过“更新”步骤进行更新。 更新选项： 增加+更新、无删除 通过“插入/更新”步骤进行插入。 区别是“插入/更新步骤”中的选项，去掉“不执行任何更新”的勾选： 增加+更新+删除 这种数据同步情况，可细分为以下2种情况： 1) 源库有表保存删除、更新和新增的信息。 通过条件判断，分别进行“插入/更新”和“删除”即可，如下图所示。 2) 源库没有保存增删改信息 Kettle提供了一种对比增量更新的机制处理这种情况，可通过“合并记录”步骤实现，该步骤的输入是新旧两个数据源，通过关键字进行数据值比对，对比结果分为以下4种类型： “Identical”: 关键字在新旧数据源中都存在，域值相同 “changed”: 关键字在新旧数据源中都存在，但域值不同 “new”: 旧数据源中没有找到关键字 “deleted”: 新数据源中没有找到关键字 两个数据源的数据都进入下一步骤，上述4种结果类型作为输出表的标志字段进行保存。 以下为示例： ??源数据库测试脚本 create table k1 (f1 varchar2(200),f2 varchar2(200)) truncate table k1; insertinto k1(f1,f2) values(1,11); insert into k1(f1,f2) values(2,22); insert into k1(f1,f2) values(5,5); commit; ??目标数据库测试脚本 create table k1 (f1 varchar2(200),f2 varchar2(200)) truncate table k1; insert into k1(f1,f2) values(1,1); insert into k1(f1,f2) values(2,2); insert into k1(f1,f2) values(3,3); insert into k1(f1,f2) values(4,4); commit; 合并过程如下： 其中“合并记录”步骤的选项： 执行后，查询K1_TEST结果如下： 可以看到，该结果表的BZ字段保存了更新、删除、新增的记录信息，通过条件分支即可分别对这些记录进行相应的处理。 “条件”选项： 小结 Kettle提供了可视化的设计工具，基本上可通过拖拉配置的方式实现以上4种类型的数据同步，操作上相对较为简单。 数据同步的性能与源数据库、目标数据库以及执行Kettle转换操作的主机相关，在笔者的测试环境上（源数据库和目标数据库部署在双核CPU/4G内存的PC机上、执